10.19713/j.cnki.43−1423/u.2019.12.024
基于MEA优化Chaos-Elman模型的车载ATP故障率预测研究
通过对ATP短期故障率趋势预测,帮助铁路相关部门合理优化ATP维修备件的储备量,动态分配维修资源以提高ATP设备的安全保障能力.采用小波分析对原始故障率数据进行去噪预处理,利用C-C方法和G-P方法分别计算时间延迟和嵌入维数,将一维故障率时间序列相空间重构到高维空间,并在高维空间中利用Elman神经网络拟合相点的演化趋势构建Chaos-Elman预测模型.针对Elman神经网络采用BP算法进行训练所存在的缺陷,引入思维进化算法优化Elman神经网络的权值阈值,进一步建立MEA-Chaos-Elman故障率预测模型.通过仿真试验,本文的故障率序列具有混沌特性,所提出的预测模型正确有效适用于本文的预测问题,最终的预测精度能达到95％左右.
小波去噪、相空间重构、Elman神经网络、思维进化算法
16
U283.4(铁路通信、信号)
轨道交通控制与安全国家重点实验室探索项目资助项目RCS2018ZT010
2020-04-03（万方平台首次上网日期，不代表论文的发表时间）
共8页
3094-3101
